AI理论

研究者提出理论级自动形式化新方向，强调需构建包含公理、定义和引理的完整理论网络，而非仅翻译孤立语句。

最新研究指出，当前AI系统在开放式创新中存在两大关键限制：难以创造新的表征基元（词汇鸿沟），以及难以评估新表征的长期价值（验证鸿沟）。

最新研究指出，监督式深度学习在符号逻辑推理上存在根本性局限，即使训练数据无限增加也无法达到符号级推理的严谨性。实验显示ChatGPT等模型在特定表面形式下可能达到100%准确率，但仍会给出错误解释。

研究者提出一种基于格论的非智能预言机框架，通过输出自洽的可信集而非单一概率值，解决AI预测被学习后自我改变的根本矛盾。

研究团队提出Agent-Authored World Modeling（AAWM）新框架，让智能体根据自身决策需求构建训练目标，而非被动预测环境反馈，实验证明该方法在多个环境中优于传统观测预测模型。